scientifyRESEARCH
research funding database

Iris.ai: una herramienta de IA para facilitar el trabajo de los investigadores

Share this post

Iris.ai: a scientific AI trained to help researchers work the Iris.ai team. The Iris.ai logo appears under this text, and an image of the founding team standing against a wood plank wall appears at the right.

Prólogo: En vista de la rápida expansión de las herramientas de IA en el último año, muchos científicos han visto las ventajas de recurrir a este tipo de herramientas para ayudar en proyectos de investigación, aunque abundan las preguntas sobre cómo y cuándo utilizarlas. Hemos hablado con Anita, de Iris.ai, una plataforma con sede en la UE, sobre cómo utilizar esta herramienta para ayudar a los investigadores. Hemos aprendido que trabajar con una IA que hace hincapié en la precisión es crucial para la ciencia, y también cómo trabaja Iris.ai para eliminar loas parcialidades al explorar la literatura científica. Esta entrevista forma parte de nuestra colección de encuentros con empresas innovadoras cuyos productos facilitan el trabajo de los investigadores. 

¿Puede hablarnos un poco de Iris.ai y de cómo surgió la empresa? 

Iris.ai se fundó en 2015 porque sus fundadores comprendían la importancia de la ciencia y creían que si las personas tuvieran acceso a todos los conocimientos científicos del mundo en cualquier momento se aceleraría radicalmente la innovación científica.

Para ello, Iris.ai es una plataforma integral para las necesidades de procesamiento de académicos e investigadores. Basada en una colección de algoritmos de procesamiento de lenguaje e imágenes junto con una programación ingeniosa, la plataforma de Iris.ai puede ofrecer a los usuarios búsquedas exploratorias y basadas en el contexto, filtros inteligentes, análisis de listas de lectura, resúmenes autogenerados, extracción autónoma y sistematización de datos. Estas funciones son transversales a todas las áreas de investigación, y permiten a los investigadores ahorrar mucho tiempo a la hora de encontrar la investigación, la información y los datos adecuados (hasta un 90% en algunos casos). 

¿Cómo ayuda Iris.ai a mejorar el acceso a la ciencia?  

Iris.ai puede ayudar a los investigadores a procesar la abundancia de conocimientos disponibles en la actualidad. Con más de 7.000 artículos de investigación publicados diariamente en 2018, hay mucho conocimiento por descubrir que podría ser fundamental para los investigadores de todos los niveles. 

Utilizando algoritmos inteligentes de procesamiento de lenguaje e imágenes combinados con ingeniería, la plataforma de Iris.ai ayuda a que todo este conocimiento sea más manejable en lugar de pasar horas tratando de encontrar el artículo correcto. Incluso entonces, los investigadores tienen que dedicar más tiempo a analizar los artículos y extraer los datos necesarios. Ahorrar tiempo en la identificación de los artículos de investigación pertinentes es clave y garantiza que los investigadores puedan dedicar su tiempo a lo que importa, que es la obtención de la información. Además, la plataforma garantiza que los investigadores no pasen por alto un artículo que puede ser crucial debido a un error humano. Todo ello redunda en un mayor acceso a la ciencia. 

¿Para qué tipo de investigador está pensada Iris.ai? ¿Estudiantes que estén escribiendo sus tesis, líderes de grupos que posicionen su trayectoria de investigación a 5 años, científicos que sean parte de grandes consorcios interdisciplinares…? 

Iris.ai es una plataforma orientada para ser utilizada de varias maneras, pero el objetivo principal es proporcionar apoyo para equipos de investigadores industriales y de desarrollo en industrias como la química, la ciencia material o la seguridad alimentaria.  

Las herramientas que se ofrecen pueden adaptarse al flujo de trabajo de cada investigador, de modo que se pueden utilizar en procesos de investigación diversos. Fundamentalmente, todos se basan en los mismos principios: la herramienta tiene que comprender el contexto de lo que el investigador necesita, aunque los ejemplos varían. Estos incluyen: 

  • Un investigador novel, o principiante en un campo concreto, puede utilizar la funcionalidad de ‘Explore’ para descubrir nuevos trabajos en los temas que les interese investigar. De esta forma, también adquieren vocabulario y se exponen a ejemplos de buenos artículos, y son capaces de sacar conclusiones sobre la dirección en la que quieren encaminar su proyecto antes de empezarlo. 
  • Un investigador interesado en desarrollar un proyecto en un contexto específico, pero que es difícil de introducir en una consulta booleana de palabras clave, puede cargar su colección de contenido y aplicar uno o varios filtros de contexto para limitar su lista de lectura a solo artículos que describan su contexto (no necesariamente con las mismas palabras). 
  • Un investigador con un fondo documental de cientos o incluso miles de documentos repletos de datos de experimentos puede utilizar la herramienta ‘Extract’ para desentrañar los datos del texto y las tablas y sistematizarlos en una base de datos u hoja de cálculo para poder llevarlos al laboratorio o realizar análisis posteriores, de forma totalmente automatizada.

Hasta ahora, los investigadores eran seres humanos que interpretaban datos de la mejor forma que sabían, aunque sabemos que hay predisposiciones dentro de las publicaciones científicas. ¿Cómo se enfrenta a esto la plataforma de Iris.ai para ayudarnos a aprender? 

La parcialidad existe en la investigación científica en cualquier campo. El Researcher Workspace de Iris.ai ayuda a los investigadores a hacer frente a estos sesgos para encontrar todos los artículos relevantes, y lo hace de dos maneras. En primer lugar, la plataforma de Iris.ai nunca utiliza un sistema de citas en sus algoritmos. Esto significa que los resultados y recomendaciones generados por la herramienta de Iris.ai no dependen de cuántas veces otros han citado un artículo de investigación. En su lugar, el algoritmo de Iris.ai examina el contenido de los artículos para ofrecer artículos de investigación que estén relacionados directamente con el campo del usuario. 

En segundo lugar, la plataforma de Iris.ai trata todos los trabajos por igual, independientemente de su procedencia, ya sea de una universidad importante o una menos conocida. De esta forma, Iris.ai identifica trabajos de investigación que quizá no estaban en el radar de los usuarios. Estas dos características del Researcher Workspace de Iris.ai están ayudando a los investigadores a eliminar los sesgos a la hora de analizar publicaciones científicas, apoyándoles con proyectos de investigación más informados, precisos e innovadores. 

¿Puedo recibir una notificación por parte de Iris.ai si se da una discrepancia en mi campo de investigación, o si el enfoque de pensamiento evoluciona al cabo de un tiempo? 

Actualmente, la plataforma ofrece a los usuarios todos los artículos de investigación relevantes para un tema científico determinado basándose en la consulta del usuario, y con el tiempo ahorrado el usuario puede dedicar más tiempo a evaluar los desacuerdos o la evolución. Sin embargo, con el tiempo, se podrá ayudar a los usuarios a detectar desacuerdos en nuevos campos de investigación y también a evaluar cambios en los argumentos científicos.  

Nuestra hoja de ruta tiene en cuenta los pasos para llegar a este punto. Estos pasos incluyen el desarrollo de funciones para la extracción de hipótesis y la verificación de hechos. Iris.ai se hizo para la comunidad científica y los investigadores y, con eso en mente, estamos tomando medidas para crear una herramienta que satisfaga las necesidades específicas de este grupo. 

Parece que cada vez es más habitual trabajar con asistentes de IA. ¿Ha sido esta la razón por la que se ha introducido Iris.ai en las clases, para ayudar a una nueva generación de investigadores? 

Iris.ai está a la vanguardia de la ayuda a las próximas generaciones de investigadores. Las bibliotecas académicas pueden ayudar a los estudiantes de posdoctorado y universitarios a comprender y vadear la vasta literatura académica. Sin embargo, las bibliotecas académicas suelen recibir poca financiación, por lo que integrar asistentes de IA puede ser todo un reto.   

Con este fin, Iris.ai quiere apoyar a la próxima generación de investigadores y ayudarles a entender qué áreas de investigación de su campo necesitan más atención, para que así se centren en la lectura de artículos relevantes que les interesen. Por eso ofrecemos suscripciones para investigadores individuales y estudiantes con hasta un 75% de descuento. Al igual que las bibliotecas académicas, los bolsillos de estos investigadores de nueva generación están apretados, por lo que ofrecemos nuestra herramienta, Research Workspace 1.0, que se lanzará próximamente, a un coste mucho menor para una suscripción individual. 

La ciencia es internacional, ¿es posible que Iris ayude a los investigadores en otros idiomas además del inglés? 

En su estado actual, la máquina de Iris.ai está configurada únicamente para el inglés, el idioma dominante en la investigación científica, ya que el 70% de los artículos se publican en inglés. Sin embargo, estamos estudiando la posibilidad de ampliar la oferta lingüística en función de las necesidades de nuestros usuarios.

¿Puede hablarnos del futuro de Iris.ai? 

Últimamente, los términos “ChatGPT”, “LLMs” y “Bard” aparecen por todos lados. Estamos inmersos en una revolución de la IA en la que las organizaciones intentan que los motores de búsqueda basados en IA funcionen para todos. Sin embargo, lo que falta es veracidad, ya que actualmente se prefiere que los resultados de modelos de lenguaje suenen plausibles y sean convincentes en lugar de totalmente precisos. En nuestra opinión, Iris.ai desempeña un papel fundamental a la hora de abordar este problema, ya que permite que las respuestas generativas de la IA sean tanto verosímiles como objetivas.  

Nuestro objetivo es crear una máquina de preguntas y respuestas científicas, una interfaz de chat de IA generativa para la investigación científica. Se trata de una herramienta que incorpora la impresionante fluidez de los grandes modelos de lenguaje (en inglés, LLM) y ChatGPT, pero que no compromete la precisión cuando se trata de hechos científicos, y no hay alucinaciones. Una herramienta en la que cualquiera que tenga una pregunta de investigación puede planteársela a la máquina y, de forma conversacional, averiguar la respuesta conocida actualmente a su pregunta, donde los hechos se basan en la colección global de producción científica. 

Agradecimientos

Queremos dar las gracias a Anita por compartir su punto de vista, y también queremos dar la enhorabuena al equipo de Iris.ai. por ganar el premio del Consejo Europeo de Innovación (EIC).

Would you like to be featured on our blog?

Get in touch with us!

phd student funding

Sign-up for our monthly
research funding newsletter

you can unsubscribe at any time